是否可以使用特征向量查询Elastic Search？
我想将n维特征向量<1.00, 0.34, 0.22, ..., 0>与每个文档一起存储，然后提供另一个特征向量作为查询，其结果按余弦相似度排序。Elastic Search可以做到吗？
问题答案：
我没有特定于Elastic
Search的答案，因为我从未使用过它（我使用构建了elasticsearch的Lucene）。但是，我正在尝试为您的问题提供一个通用的答案。给定查询向量，有两种获取最近向量的标准方法，如下所述。
Kd树
第一种方法是借助支持最近邻居查询的数据结构（例如 kd树）
将向量存储在内存中。甲kd树是二叉查找树中的意义上的概括，所述的二叉查找树分区一个的每一个电平
ķ
尺寸分成两个部分。如果您有足够的空间来加载内存中的所有点，则可以在kd树上应用最近的邻居搜索算法，以获取按余弦相似度值排序的检索到的向量的列表。这种方法的明显缺点是，它无法像信息检索中经常遇到的那样扩展到大量的点集。
逆量化向量
第二种方法是使用 反量化矢量 。一个简单的基于范围的量化将 伪项 或 伪 标记
分配给矢量的实数，以便以后可以由Lucene对其进行索引（或就此而言为Elastic搜索）。
例如，我们可以将标签分配 甲 于范围 [0，0.1） ， 乙 到范围 [0.1，0.2） 等等…在你的问题的样本矢量随后被编码成
（J，d，C， ..A） 。（因为[.9,1]是J，[0.3,0.4）是D，依此类推）。
因此，实数向量因此转换为字符串（可以视为文档），并因此使用标准信息检索（IR）工具进行索引。查询向量也被转换成一袋伪术语，因此可以计算集合中与当前最相似（在余弦相似度或其他度量方面）的一组其他相似向量。
该方法的主要优点是，它可以很好地扩展以用于大量实数向量集合。关键缺点是，计算出的相似度值仅是真实余弦相似度的近似值（由于量化中遇到的损失）。较小的量化范围以增加索引大小为代价获得更好的性能。
-
特征值
-
从这个问题 报告不可变或并发的拆分器保证不会抛出ConcurrentModificationException。当然，CONCURRENT排除了语义上的大小，但这对客户机代码没有影响。 事实上，这些特性在Stream API中没有任何用途，因此，不一致地使用它们永远不会在任何地方被注意到。 这也是为什么每个中间操作都有清除并发、不可变和非空特性的效果的原因：流实现不使用这些特性，其表示流状态的内部
-
（这是我第二次尝试追踪我的确切问题。查看编辑历史记录） 我有一个简单的通用特性和两种不同的实现： 我现在想要一个包含两个实现元素的向量。正如我在这里学到的，我做: 但是编译器不同意： 一方面，这是有道理的。另一方面，我应该为写什么？我希望它是通用的，所以我不能简单地在那里放或。我可以做
-
问题内容： 我需要向Retrofit 2.0.0-beta2库发出的每个请求添加查询参数。我为Retrofit 1.9 找到了此解决方案，但是如何添加最新的库版本？ 我的界面： 客户： 问题答案： 为了完整起见，以下是完整的代码，您需要使用OkHttp-Interceptor向每个Retrofit 2.x请求中添加参数：
-
问题内容： 我想知道是否可以在@Query批注中包含子查询（org.springframework.data.jpa.repository.Query;） 我在第一个子查询括号上得到QuerySyntaxException。 这是我的查询 谢谢！ 问题答案： 不可以，JPQL查询的select子句中不能包含子查询。 JPQL在WHERE和HAVING子句中支持子查询。它可以（至少）是ANY，SOM
-
我正在使用一个相当大的数据集（大约500Mio-Triples）存储在图形数据库免费并在我的本地开发人员机器上运行。 我想用RDF4J对数据集执行一些操作，并且必须或多或少地选择整个数据集。要进行测试，我只需选择所需的元组。代码在第一个一百万元组中运行良好，之后由于graphDB继续分配更多的RAM，速度变得非常慢。 是否有可能对非常大的数据集执行选择查询并批量获取它们？ 基本上，我只想通过一些选